1. 说一下 SFT、RLHF、DPO 的区别，线上项目里你会怎么选？答：SFT 是监督微调，核心是让模型学会“像人一样回答”，训练数据一般是 prompt-response 对，优点是简单直接、稳定、成本低，适合把基座模型先拉到业务可用水平。RLHF 是先做 SFT，再训练奖励模型，然后通过 PPO 之类的方法让模型朝着“人类更偏好”的方向优化。优点是能更细致地对齐人类偏好，缺点是链路长、训练复杂、容易不稳定。DPO 可以理解成不显式训练奖励模型、也不走复杂强化学习，而是直接利用偏好对做优化，训练上比 RLHF 更简单，效果在很多场景下也不错。如果是企业大模型应用，通常优先级往往是 SFT ...

QQ面完隔天3.18挂后当天又被捞，然后隔天3.19面腾讯广告，面试体验跟我去年面wxg有的一比，体验极差（虽然查漏补缺了很多东西但就是感觉不好），一个半小时高压。跟我一起面腾讯广告的室友也感受到了高压（面试官比我和蔼点），广告部门是不是有点成分在里面的，面的都非常规点的。3.21登官网发现又复活了，我五个事业群面了四个了😅

28届双非本科大二学生，计算机科学与技术专业的。目前准备找第一段实习，目标是后端开发，翻遍自己的经历后艰难凑了份简历出来，但是不知道能不能得到面试，恳请各位大佬批评。

📍面试公司：百度外包💻面试岗位：golang❓面试问题：个人介绍Redis类型以及各自的使用场景除了redis还用没用过其他的消息队列，平常怎么用的MySQL5和8有什么区别SQL调优经验AI了解过MCP吗Skills有没有了解过几道基本的coding题目二面：个人介绍redis和mysql的常规八股quickSort